Video Experimental Relacionado
Updated: Sep 10, 2025

Asthma Detection Research Based on Voice Signal Processing and Machine Learning
Published on: July 22, 2025
Un método híbrido que combina filtro basado en reglas y aprendizaje automático para detectar sonidos de marsopas y
Mayu I Ogawa1,2, Satoko S Kimura3,4, Nozomu Ishiai3
1Underwater Biological Sound Analysis Group, Smart Sensing Technology Development Center, Research Institute for Marine Technology and Engineering, Japan Agency for Marine-Earth Science and Technology (JAMSTEC), Yokosuka, Kanagawa, Japan. mayu.ogawa.88@gmail.com.
Un nuevo método híbrido detecta de manera eficiente los trenes de clic de marsopas sin aletas y el ruido de las embarcaciones utilizando datos acústicos. Este enfoque reduce significativamente los falsos positivos, lo que ayuda al monitoreo del ecosistema marino.
Área de la Ciencia:
- Biología marina
- La bioacústica
- Procesamiento de señales
Sus antecedentes:
- El monitoreo acústico pasivo es crucial para la evaluación de la salud del ecosistema marino y la detección de la vida marina.
- Los algoritmos convencionales luchan con datos complejos de eventos de pulso de grabadoras acústicas, lo que dificulta el análisis de la ecolocalización del odontoceto.
Objetivo del estudio:
- Desarrollar un marco analítico híbrido para la detección eficiente de la marsopa sin aleta (Neophocaena asiaeorientalis) y el ruido de los barcos.
- Mejorar el análisis de los datos de los registradores de eventos de pulso, específicamente el A-tag.
Principales métodos:
- Se desarrolló un marco híbrido que combina un filtro basado en reglas y un modelo forestal aleatorio.
- El filtro basado en reglas procesó previamente los datos en bruto para reducir el ruido.
- Se utilizó un modelo forestal aleatorio para la clasificación de los eventos detectados.
Principales resultados:
- El filtro basado en reglas logró una alta precisión de detección inicial (casi el 100% para los trenes de clic, el 94% para el ruido de los buques), pero tuvo altas tasas de falsos positivos (45% y 81%).
- El modelo forestal aleatorio mejoró significativamente la precisión de clasificación al 97% para los trenes de clic y al 99% para el ruido de los buques.
- El método híbrido redujo drásticamente las tasas de falsos positivos al 2,8% para los trenes de clic y al 0,1% para el ruido de los buques.
Conclusiones:
- El filtro basado en reglas combinado y el modelo de bosque aleatorio proporcionan un método robusto y eficiente para procesar los datos del registrador de eventos de pulso.
- Este enfoque mejora la precisión de la detección y reduce la carga de trabajo manual, facilitando la evaluación rápida de los impactos antropogénicos del ruido.
- El método apoya el monitoreo ecológico a largo plazo de poblaciones de pequeños cetáceos en entornos marinos difíciles.
Más Videos Relacionados
Videos de Conceptos Relacionados
Classification of Signals
A continuous-time signal holds a value at every instant in time, representing information seamlessly. In contrast, a discrete-time signal holds values only at specific moments, often denoted as x(n), where...
Equipments Used To Measure Blood Pressure
This invasive approach involves cannulating a peripheral artery. During each cardiac contraction, pressure generates mechanical motion within the catheter, transmitted through rigid, fluid-filled tubing to a transducer. This transducer converts mechanical motion into electrical signals displayed as waveforms on a monitor. An automatic flushing system prevents blood backflow. Due to the potential risk of unexpected arterial blood loss, this method is primarily used in intensive...

